ধরুন আমাদের কাছে শিক্ষার্থীদের ডেটা অ্যারে আকারে সংরক্ষিত আছে এবং আমরা ব্যর্থ শিক্ষার্থীদের ফিল্টার করতে চাই। আমরা কেবল অ্যারেটি ফিল্টার করব এবং ব্যর্থ শিক্ষার্থীদের বাদ দেব এবং পাস করা শিক্ষার্থীর একটি নতুন অ্যারে পাওয়া যাবে।
একটি NumPy অ্যারে ফিল্টার করার পদক্ষেপ
ধাপ 1: NumPy মডিউল আমদানি করা হচ্ছে।
ধাপ ২: একটি অ্যারে তৈরি করা হচ্ছে।
ধাপ 3: ফিল্টারিং শর্ত যোগ করুন।
ধাপ 4: একটি নতুন ফিল্টার করা অ্যারে তৈরি করুন।
বাক্য গঠন:
অ্যারে ফিল্টার করার একাধিক উপায় আছে। এটি ফিল্টারের অবস্থার উপর নির্ভর করে, যেমন আমাদের যদি শুধুমাত্র একটি শর্ত থাকে বা আমাদের একাধিক শর্ত থাকে।
পদ্ধতি 1: একটি শর্তের জন্য আমরা নিম্নলিখিত সিনট্যাক্স অনুসরণ করব
অ্যারে [ অ্যারে < অবস্থা ]উপরে উল্লিখিত সিনট্যাক্সে, 'অ্যারে' হল অ্যারের নাম যেখান থেকে আমরা উপাদানগুলি ফিল্টার করব। এবং শর্তটি হবে সেই অবস্থা যার উপর উপাদানগুলি ফিল্টার করা হয় এবং অপারেটর “<” হল গাণিতিক চিহ্ন যা এর থেকে কম প্রতিনিধিত্ব করে। যখন আমাদের শুধুমাত্র একটি শর্ত বা বিবৃতি থাকে তখন এটি ব্যবহার করা দক্ষ।
পদ্ধতি 2: 'OR' অপারেটর ব্যবহার করে
অ্যারে [ ( অ্যারে < শর্ত1 ) | ( অ্যারে > শর্ত2 ) ]এই পদ্ধতিতে, 'অ্যারে' হল অ্যারের নাম যেখান থেকে আমরা মানগুলি ফিল্টার করব এবং শর্তটি এটিতে পাস করা হবে। অপারেটর “|” 'OR' ফাংশন প্রতিনিধিত্ব করতে ব্যবহৃত হয় যার অর্থ উভয় অবস্থা থেকে একটি সত্য হওয়া উচিত। দুটি শর্ত থাকলে এটি কার্যকর।
পদ্ধতি 3: 'AND' অপারেটর ব্যবহার করা।
অ্যারে [ ( অ্যারে < শর্ত1 ) এবং ( অ্যারে > শর্ত2 ) ]নিম্নলিখিত সিনট্যাক্সে, 'অ্যারে' হল ফিল্টার করা অ্যারের নাম। যেখানে, কন্ডিশনটি হবে সেই স্টেট যা উপরের সিনট্যাক্সে আলোচনা করা হয়েছে যখন অপারেটর '&' ব্যবহার করেছে AND অপারেটর, যার মানে উভয় শর্তই সত্য হতে হবে।
পদ্ধতি 4: তালিকাভুক্ত মান দ্বারা ফিল্টারিং
অ্যারে [ যেমন in1d ( অ্যারে , [ মান তালিকা ] ) ]এই পদ্ধতিতে, আমরা আমাদের সংজ্ঞায়িত অ্যারে 'np.in1d' পাস করেছি যা দুটি অ্যারের তুলনা করতে ব্যবহৃত হয় যে অ্যারের উপাদানটি ফিল্টার করা হবে তা অন্য অ্যারেতে উপস্থিত আছে কিনা। এবং অ্যারেটি np.in1d ফাংশনে পাস করা হয় যা প্রদত্ত অ্যারে থেকে ফিল্টার করা হয়।
উদাহরণ # 01:
এখন, একটি উদাহরণে উপরের আলোচিত পদ্ধতিটি বাস্তবায়ন করা যাক। প্রথমত, আমরা পাইথন দ্বারা সরবরাহিত আমাদের NumPy লাইব্রেরিগুলি অন্তর্ভুক্ত করব। তারপর, আমরা 'my_array' নামে একটি অ্যারে তৈরি করব যেখানে '2', '3', '1', '9', '3', '5', '6', এবং '1' মান থাকবে। এর পরে, আমরা আমাদের ফিল্টার কোডটি 'my_array[(my_array < 5)]' প্রিন্ট স্টেটমেন্টে পাস করব যার মানে আমরা '5' এর চেয়ে কম মানগুলি ফিল্টার করছি। পরের লাইনে, আমরা “অ্যারে” নামের আরেকটি অ্যারে তৈরি করেছি যেটি “1”, “2”, “6”, “3”, “8”, “1” এবং “0” মানের জন্য দায়ী। মুদ্রণ বিবৃতিতে, আমরা শর্তটি পাস করেছি যে আমরা 5 এর চেয়ে বড় মানগুলি প্রিন্ট করব।
অবশেষে, আমরা আরেকটি অ্যারে তৈরি করেছি যার নাম আমরা “arr”। এটি “6”, “7”,”10”, “12” এবং “14” মান ধারণ করছে। এখন এই অ্যারের জন্য, আমরা যে মানটি অ্যারের মধ্যে বিদ্যমান নেই তা প্রিন্ট করব যদি শর্তটি মেলে না তবে কী হবে তা দেখতে। এটি করার জন্য, আমরা শর্তটি পাস করেছি যা '5' মানের সমান মানটিকে ফিল্টার করবে।
আমদানি নম্র হিসাবে যেমনআমার_অ্যারে = যেমন অ্যারে ( [ দুই , 3 , 1 , 9 , 3 , 5 , দুই , 6 , 1 ] )
ছাপা ( 'মান 5 এর কম' , আমার_অ্যারে [ ( আমার_অ্যারে < 5 ) ] )
অ্যারে = যেমন অ্যারে ( [ 1 , দুই , 6 , 3 , 8 , 1 , 0 ] )
ছাপা ( '5 এর বেশি মান' , অ্যারে [ ( অ্যারে > 5 ) ] )
arr = যেমন অ্যারে ( [ 6 , 7 , 10 , 12 , 14 ] )
ছাপা ( 'মান সমান 5' , arr [ ( arr == 5 ) ] )
কোড এক্সিকিউট করার পর, ফলস্বরূপ আমাদের কাছে নিম্নলিখিত আউটপুট রয়েছে, যেখানে আমরা 3টি আউটপুট প্রদর্শন করেছি প্রথমটি '5' এর চেয়ে কম উপাদানগুলির জন্য দ্বিতীয় এক্সিকিউশনে আমরা '5' এর চেয়ে বড় মানগুলি প্রিন্ট করেছি। শেষে, আমরা প্রিন্ট করেছি যে মানটি বিদ্যমান নেই কারণ আমরা দেখতে পাচ্ছি এটি কোনো ত্রুটি প্রদর্শন করে না কিন্তু খালি অ্যারে প্রদর্শন করে, যার অর্থ প্রদত্ত অ্যারেতে কাঙ্ক্ষিত মানটি বিদ্যমান নেই।
উদাহরণ # 02:
এই উদাহরণে, আমরা কিছু পদ্ধতি ব্যবহার করব যেখানে আমরা অ্যারেগুলি ফিল্টার করতে একাধিক শর্ত ব্যবহার করতে পারি। এটি সম্পাদন করার জন্য, আমরা কেবল NumPy লাইব্রেরি আমদানি করব এবং তারপরে '24', '3', '12', '9', '3', '5', '9' আকারের একটি এক-মাত্রিক অ্যারে তৈরি করব, '2', '6', এবং '7'। পরের লাইনে, আমরা একটি প্রিন্ট স্টেটমেন্ট ব্যবহার করেছি যেখানে আমরা একটি অ্যারে পাস করেছি যেটিকে আমরা 'my_array' নামের সাথে একটি আর্গুমেন্ট হিসাবে শর্ত দিয়ে শুরু করেছি। এতে, আমরা বা শর্তটি পাস করেছি যার অর্থ উভয় থেকে, একটি শর্ত অবশ্যই সত্য হতে হবে। যদি উভয়ই সত্য হয় তবে এটি উভয় শর্তের জন্য ডেটা প্রদর্শন করবে। এই অবস্থায়, আমরা '5' এর চেয়ে কম এবং '9' এর চেয়ে বড় মানগুলি প্রিন্ট করতে চাই। পরের লাইনে, আমরা অ্যারে ফিল্টার করার জন্য একটি শর্ত ব্যবহার করলে কী হবে তা পরীক্ষা করার জন্য আমরা AND অপারেটর ব্যবহার করেছি। এই অবস্থায়, আমরা '5' এর চেয়ে বড় এবং '9' এর চেয়ে কম মানগুলি প্রদর্শন করেছি।
numpy আমদানি করুন হিসাবে যেমনআমার_অ্যারে = যেমন অ্যারে ( [ 24 , 3 , 12 , 9 , 3 , 5 , দুই , 6 , 7 ] )
ছাপা ( 'এর চেয়ে কম মান 5 বা অপেক্ষা বৃহত্তর 9 ' , আমার_অ্যারে [ ( আমার_অ্যারে < 5 ) | ( আমার_অ্যারে > 9 ) ] )
ছাপা ( 'এর চেয়ে বেশি মান 5 এবং কম 9 ' , আমার_অ্যারে [ ( আমার_অ্যারে > 5 ) এবং ( আমার_অ্যারে < 9 ) ] )
নীচের স্নিপেটে যেমন দেখানো হয়েছে, উপরের কোডের জন্য আমাদের ফলাফল প্রদর্শিত হয়েছে যেখানে আমরা অ্যারে ফিল্টার করেছি এবং নিম্নলিখিত ফলাফল পেয়েছি। যেমন আমরা দেখতে পাচ্ছি প্রথম আউটপুটে 9-এর বেশি এবং 5-এর কম মানগুলি প্রদর্শিত হয় এবং 5 এবং 9-এর মধ্যে মানগুলি উপেক্ষিত হয়। যেখানে, পরের লাইনে, আমরা '5' এবং '9' এর মধ্যে মানগুলি প্রিন্ট করেছি যা '6' এবং '7'। অ্যারের অন্যান্য মান প্রদর্শিত হয় না।
উপসংহার
এই নির্দেশিকায়, আমরা NumPy প্যাকেজ দ্বারা সরবরাহ করা ফিল্টার পদ্ধতির ব্যবহার সম্পর্কে সংক্ষেপে আলোচনা করেছি। numpy দ্বারা প্রদত্ত ফিল্টার পদ্ধতিগুলি বাস্তবায়নের সর্বোত্তম উপায় সম্পর্কে আপনার জন্য বিশদভাবে ব্যাখ্যা করার জন্য আমরা একাধিক উদাহরণ প্রয়োগ করেছি।